Python NumPy에서 특정 점 x에서 에르미트(Hermite) 급수를 평가하려면 numpy.polynomial.hermite 모듈의 hermval() 메서드를 사용하면 됩니다. 이 메서드는 다차원 계수 배열을 지원하므로, 여러 개의 다항식을 한 번에 효율적으로 평가할 수 있습니다.
hermval() 메서드의 주요 매개변수
1. x — 평가 지점
첫 번째 매개변수인 x는 급수를 평가할 지점입니다. x가 리스트나 튜플로 전달되면 자동으로 ndarray로 변환되며, 그렇지 않으면 변경 없이 스칼라로 취급됩니다. 어떤 경우든 x 또는 그 요소는 자기 자신과의 덧셈·곱셈, 그리고 계수 배열 c의 요소와의 산술 연산을 지원해야 합니다.
2. C — 계수 배열
두 번째 매개변수인 C는 계수 배열로, 차수 n에 해당하는 계수가 c[n]에 저장되도록 정렬됩니다. c가 다차원 배열이면 나머지 인덱스들은 여러 개의 서로 다른 다항식을 나타냅니다. 특히 2차원 배열의 경우, 계수들이 c의 열(column)에 저장되어 있다고 생각하면 이해하기 쉽습니다.
3. tensor — 텐서 확장 옵션
세 번째 매개변수인 tensor가 True이면 계수 배열의 형태(shape)가 오른쪽 방향으로 1씩 확장되며, 확장되는 차원의 수는 x의 차원 수와 같습니다. 이때 스칼라는 차원이 0인 것으로 간주됩니다. 그 결과 c의 모든 계수 열이 x의 모든 요소에 대해 각각 평가됩니다. False이면 평가 과정에서 x가 c의 열에 브로드캐스팅됩니다. 이 옵션은 c가 다차원일 때 특히 유용하며, 기본값은 True입니다.
단계별 구현 방법
먼저 필요한 라이브러리를 임포트합니다.
import numpy as np from numpy.polynomial import hermite as H
다차원 계수 배열을 생성합니다.
c = np.array([[1,2],[3,4]])
생성한 배열을 화면에 출력합니다.
print("Our Array...\n",c)배열의 차원 수를 확인합니다.
print("\nDimensions of our Array...\n",c.ndim)배열의 데이터 타입을 확인합니다.
print("\nDatatype of our Array object...\n",c.dtype)배열의 형태(shape)를 확인합니다.
print("\nShape of our Array object...\n",c.shape)hermite.hermval() 메서드를 사용하여 점 x에서 에르미트 급수를 평가합니다.
print("\nResult...\n",H.hermval([1,2],c))전체 예제 코드
import numpy as np
from numpy.polynomial import hermite as H
# 다차원 계수 배열 생성
c = np.array([[1,2],[3,4]])
# 배열 출력
print("Our Array...\n",c)
# 차원 수 확인
print("\nDimensions of our Array...\n",c.ndim)
# 데이터 타입 확인
print("\nDatatype of our Array object...\n",c.dtype)
# 형태(shape) 확인
print("\nShape of our Array object...\n",c.shape)
# hermite.hermval() 메서드로 점 x에서 에르미트 급수 평가
print("\nResult...\n",H.hermval([1,2],c))실행 결과
Our Array... [[1 2] [3 4]] Dimensions of our Array... 2 Datatype of our Array object... int64 Shape of our Array object... (2, 2) Result... [[ 7. 13.] [10. 18.]]
결과 해석
실행 결과를 보면, 2×2 크기의 계수 배열과 평가 지점 [1, 2]를 사용하여 에르미트 급수가 계산되었으며, 결과 역시 2×2 형태의 배열로 반환됩니다. 계수 배열의 각 열이 하나의 독립적인 다항식으로 처리되어, 두 평가 지점에서 각각 계산된 값이 행렬 형태로 출력됩니다. 이처럼 hermval() 메서드를 활용하면 반복문 없이 여러 다항식과 여러 지점에 대한 평가를 벡터화된 연산으로 한 번에 처리할 수 있습니다.